Aineenvaihduntavirtojen analyysi

Flux tasapainoanalyysi ( FBA ) on menetelmä aineenvaihdunnan matemaattiseen mallintamiseen, jonka avulla voit määrittää aineenvaihduntaverkoston reaktioiden nopeudet (yksi polku tai joukko polkuja). Menetelmää käytetään soluun kohdistuvien erilaisten vaikutusten mallintamiseen tai sen kasvuolosuhteiden optimointiin. Menetelmän keskeisiä piirteitä ovat stationaarisen approksimoinnin käyttö (oletus, että kunkin aineen pitoisuutta pidetään vakiona) ja alhainen laskentatehon tarve.

Menetelmän kuvaus

Metaboliset reaktiot esitetään stoikiometrisenä matriisina (S), jonka koko on n ja m. Tämän matriisin jokainen rivi kuvaa yhtä ainetta (järjestelmälle, jossa on m ainetta) ja jokainen sarake edustaa yhtä reaktiota (n reaktiota). Jokaisen sarakkeen arvot vastaavat reaktioon osallistuvien metaboliittien stoikiometrisiä kertoimia. Negatiiviset kertoimet määritetään kullekin kulutetulle metaboliitille ja positiiviset kullekin tuotetulle vastaavasti. Stökiömetrinen kerroin nolla vastaa metaboliitteja, jotka eivät osallistu tähän nimenomaiseen reaktioon. Koska useimpiin biokemiallisiin reaktioihin osallistuu vain muutama eri metaboliitti, S-matriisi sisältää monia nollaelementtejä. Verkon kaikkien reaktioiden läpi kulkevaa virtausta edustaa vektori , jonka pituus on n. Kaikkien metaboliittien pitoisuudet esitetään vektorilla x, jonka pituus on m. Kiinteän tilan (dx/dt = 0) materiaalitaseen yhtälöjärjestelmä ilmaistaan tässä kaavalla: $v$

\qquad S\cdot \mathbf {v} =\mathbf {0}

Sanotaan, että mikä tahansa , joka täyttää yhtälön, mitätöi avaruuden ulottuvuuden . Mutta missä tahansa realistisessa aineenvaihduntamallissa reaktioiden määrä on aina suurempi kuin metaboliittien lukumäärä (n > m). Toisin sanoen tuntemattomien lukumäärä on suurempi kuin yhtälöiden määrä, joten tällaiselle järjestelmälle ei ole olemassa ainutlaatuista ratkaisua ja monet ratkaisut voivat olla biologisesti täysin sopimattomia. Ratkaisutilaa voidaan kuitenkin rajoittaa, ja voidaan etsiä ratkaisua, joka täyttää jonkin kriteerin. Tämän kriteerin asettaa ns. tavoitefunktio, joka heijastaa jotakin järjestelmän parametria, ja etsitään ratkaisua, jolle tällä funktiolla on esimerkiksi maksimiarvo. Lisäksi ratkaisutilaa rajoittaa voimakkaasti virtauskohtainen rajoitus. Siten on esimerkiksi mahdollista laskea asetettujen rajoitusten perusteella mikä piste liuosavaruudessa vastaa maksimikasvunopeutta tai maksimi ATP-tuotantoa tietyssä organismissa. (Kuva 1) $v$ $\qquad S\cdot \mathbf {v} =\mathbf {0}$ $S$

AML:n tarkoituksena on pyrkiä minimoimaan tai maksimoimaan tavoitefunktio Z = c T v , joka voi yleisesti ottaen olla mikä tahansa virtojen yhdistelmä, jossa c on painovektori, joka osoittaa, kuinka järjestelmän kukin reaktio edistää tavoitetta. toiminto (tutkittavan tuotteen tuotanto, esim. biomassa). Käytännössä, kun vain yksi reaktio tarvitsee maksimoida tai minimoida, c on meitä kiinnostavan reaktion 0s ja 1s vektori.

Tällaisen järjestelmän optimointi saavutetaan lineaarisella ohjelmoinnilla (1e). Siten AMP voidaan määritellä lineaarisen ohjelmointimenetelmän käytöksi yhtälön ratkaisemiseksi, kun tavoitefunktiona on asetettu joukko ylä- ja alarajoja ja virtojen lineaarinen yhdistelmä. AMP:n tulos on joukko nopeuksia v, joka vastaa tavoitefunktion maksimi- tai minimiarvoa. [yksi] $\qquad S\cdot \mathbf {v} =\mathbf {0}$ $v$

Mallin rakentaminen

Tärkeimmät vaiheet mallin luomisessa ovat: täydellisen metabolisen verkoston luominen, mallin rajoitusten asettaminen ja tavoitefunktion määrittäminen.

Metabolinen verkko

Metabolisia verkostoja voidaan pitää yhtenä aineenvaihduntareittinä tai kokonaisena soluna, kudoksena tai organismina. Päävaatimus AMP:n metaboliselle verkostolle on aukkojen puuttuminen. Täydellisen aineenvaihduntaverkoston luominen on erittäin mittava työ, joka kestää kuukausia ja vuosia. Tähän mennessä on olemassa täydelliset metaboliset verkostot joillekin malliorganismeille, erityisesti E. colille [2] .

Rajoitukset

Keskeinen osa AMP:tä on asettaa rajoituksia aineenvaihduntaverkoston virtausnopeudelle niin, että niiden arvot ovat tietyllä alueella. Tämän avulla voit toistaa todellisen aineenvaihduntajärjestelmän tarkemmin. Nämä rajoitukset jakautuvat kahteen pääluokkaan: rajoituksiin, jotka liittyvät solun ottamaan tai vapauttamaan aineita, ja rajoituksiin, jotka koskevat virtauksia solun sisällä. Matemaattisesti rajoitusten soveltaminen mahdollistaa AMP-mallin ratkaisutilan pienentämisen.

Nämä rajat voidaan määrittää sekä teoreettisten näkökohtien että mittaustulosten perusteella.

Ilmeisimpiä teoreettisia rajoituksia ovat termodynaamiset. Ne määräävät reaktion suunnan. Jos reaktiotuotteiden ja lähtöaineiden vapaiden energioiden välinen ero on pienempi kuin nolla, reaktio etenee eteenpäin ja päinvastoin.

Joidenkin virtausten nopeudet voidaan mitata kokeellisesti ja virtaus mallissa voidaan rajoittaa tiettyyn arvoalueeseen mitatun ympärillä:

$v_{i,m}-\varepsilon <v_{i}<v_{i,m}+\varepsilon$

Helpoin tapa mitata aineiden imeytymis- ja erittymisnopeutta. Yleensä aineen absorptionopeus ulkoisesta ympäristöstä määräytyy sen saatavuuden, pitoisuuden, diffuusionopeuden (mitä suurempi se on, sitä nopeampi imeytyminen) ja absorptiomenetelmän (aktiivinen kuljetus, helpotettu diffuusio tai yksinkertaisesti diffuusio) perusteella. .

Sisäisiä virtauksia voidaan mitata käyttämällä aineiden radioaktiivista leimaamista, NMR:ää ja joitakin muita menetelmiä.

Objektiivifunktio

AMP-järjestelmässä ei ole yksiselitteistä ratkaisua, mutta rajoituksia asettamalla on mahdollista vähentää niiden määrää. Jatkossa valitaan ratkaisu, joka maksimoi tai minimoi tavoitefunktion. Tavoitefunktio on jokin lineaarinen virtojen yhdistelmä, joka ilmaisee järjestelmän tietyn parametrin.

Tämä parametri on yleensä biomassan saanto tai proliferaationopeus solujen tapauksessa tai esimerkiksi ATP -saanto, jos harkitaan glykolyysiä tai muuta energiareittiä.

Näin ollen FBA-tehtävä esitetään seuraavassa muodossa:

$\max _{\vec {v}}\ v_{b}\qquad {\textrm {st}}\qquad \mathbf {S} \,{\vec {v}}=0$

Sovellukset

AML ei vaadi suurta laskentatehoa, joten simulointiolosuhteita on mahdollista vaihdella varsin tehokkaasti.

Reaktioiden poistaminen

Biomassan (tai muun järjestelmän kohdeparametrin) tuottamisessa avainreaktioiden (sekä niitä katalysoivien entsyymien ja niiden geenien) määrittämiseksi ne voidaan poistaa yksitellen aineenvaihduntaverkosta ja systeemi ratkaista. Jos järjestelmää ratkaistaessa biomassasaanto pienenee suuresti, tämä reaktio on avain; jos se ei muutu tai muuttuu hieman, se ei ole avain.

Reaktiot voidaan poistaa pareittain. Tätä käytetään mallinnettaessa vaikutuksia lääkkeiden tai niiden yhdistelmien järjestelmään.

Lisäksi täydellisen poistamisen sijaan reaktion estoa voidaan simuloida muuttamalla reunaehtoja.

Kasvuolosuhteiden optimointi

AMP:tä voidaan käyttää kasvuolosuhteiden optimointiin, eli viljelyalustan koostumuksen valitsemiseen . Vaihtelemalla ympäristöstä tulevan ravinteiden kulutuksen rajoitusta ja optimoimalla biomassan saantia, on mahdollista valita niiden optimaaliset pitoisuudet solujen maksimikasvunopeudelle.

Laajennukset

Vuon vaihteluanalyysi

Ei-stationaaristen aineenvaihduntavirtojen analyysi (ANMF) on menetelmä, joka mahdollistaa AMP:n käänteisen ongelman ratkaisemisen. ANMP:tä käytettäessä tuloksena saadaan kunkin reaktion virtausrajojen arvot, jotka yhdessä muiden virtausten kanssa toistavat optimaalisen ratkaisun. Reaktiot, joille on ominaista vähäinen vaihtelevuus, ovat erittäin tärkeitä organismille. Ja ANMP on lupaava menetelmä tällaisten tärkeiden reaktioiden tunnistamiseen [3] .

Metabolisen sopeutumisen minimointi

Työskenneltäessä muunneltujen bakteerien poistosolujen tai ravinneväliaineilla kasvatettujen mikro-organismien kanssa, jotka eivät ole altistuneet pitkäaikaiselle evoluutiopaineelle, vakaa tila, joka on välttämätön ehto AMP-menetelmän käytölle, saavutetaan erittäin vaihtelevin aikavälein tai ei kaikki. Esimerkiksi E. colin kasvunopeus glyserolilla ensisijaisena hiilenlähteenä ei vastaa AMP-menetelmällä ennustettua nopeutta. Mutta 40 päivän lisäviljelyllä, jonka aikana tapahtuu yli 700 sukupolven muutos, bakteereilla on aikaa sopeutua, joten niiden kasvunopeus vastaa AMP:n ennusteita [4] .

Kaikenlaisissa aineenvaihduntahäiriöissä, jotka johtuvat substraatin pitoisuuden muutoksesta sen joutuessa ravintoalustaan tai aineenvaihduntareitin entsyymiä ilmentävän geenin tyrmäykseen, mielenkiintoisinta on havaita välittömiä vaikutuksia, joita esiintyy järjestelmässä häiriöitä. Pidemmän aikaa vievät prosessit tähtäävät virtojen uudelleenjärjestelyyn optimaalisen aineenvaihduntanopeuden saavuttamiseksi. Metabolisen säätelyn minimointi (MMR) ennustaa hetkellisen suboptimaalisen vuojakauman minimoimalla euklidisen etäisyyden AMP:llä saadun villityypin vuojakauman ja neliöllisen ohjelmoinnin avulla saadun mutanttivirtajakauman välillä . Tästä seuraa seuraava optimointiongelma:

\min \ ||\mathbf {v_{w}} -\mathbf {v_{d}} ||^{2}\qquad

kunnossa

\mathbf {S} \cdot \mathbf {v_{d)) =0

jossa heijastaa villityypin virtausten jakautumista (tila ilman häiriöitä) ja edustaa virtausten jakautumista geenideleetion aikana. Tämä yhtälö on yksinkertaistettu muotoon: $\mathbf {v_{w))$ $\mathbf {v_{d))$

\min \ {\frac {1}{2))\,{\mathbf {v_{d)) }^{T}\,\mathbf {I} \,\mathbf {v_{d)) + (\mathbf {-v_{w}} )\cdot \mathbf {v_{d}} \qquad

kunnossa

\mathbf {S} \cdot \mathbf {v_{d)) =0

Tältä MMP-ongelman tila näyttää [5] .

Regulatory On-Off Minimization (ROOM) -menetelmä

ROOM on parannettu menetelmä organismin aineenvaihdunnan tilan ennustamiseen geenin poiston jälkeen. Menetelmän lähtökohta on sama kuin MOMAssa: tyrmäyksen jälkeen organismi pyrkii palauttamaan virtausten jakautumisen mahdollisimman lähelle villityyppiä. Mutta lisäksi oletetaan, että vakaa tila saavutetaan sarjan lyhytaikaisten aineenvaihdunnan muutosten kautta ja että organismilla on taipumus minimoida säätelymuutosten lukumäärä villityypin tilan saavuttamiseksi. Metrinen etäisyyden minimointimenetelmän sijaan ROOM käyttää sekoitettua kokonaisluku lineaarista ohjelmointimenetelmää [6] .

Vertailu muihin menetelmiin

Rikastuspisteanalyysi

Kuristuspisteanalyysi [7] ottaa huomioon vain verkkopisteet, joissa aineenvaihduntatuotteita tuotettiin, mutta ei kulutettu, tai päinvastoin (eli otetaan huomioon vain reaktion vasen tai oikea puoli, vastaavasti). Sitä vastoin ABP on täydellinen metabolinen verkkomalli, koska se ottaa huomioon sekä kulutetut että tuotetut metaboliitit analyysin kaikissa vaiheissa. Kuristuspisteanalyysin suurin haitta verkostovaikutusten mallintamiseen on, että jokainen verkon reaktio tarkastellaan erikseen eikä aineenvaihduntareitin kokonaiskuvaa oteta huomioon. Näin ollen, jos polku on pitkä, toisiinsa vaikuttavia, mutta kaukana olevia reaktioita ei voida toistaa tällä menetelmällä.

Dynaaminen aineenvaihduntasimulaatio

Dynaaminen mallinnus [8] , toisin kuin BPA, ei käytä stationaarista approksimaatiota. Esimerkiksi ABP:tä ei voida käyttää hermosolujen toiminnan mallintamiseen. Koska BPA ei ota huomioon metaboliittien pitoisuutta, on mahdollista, että pitoisuudet ovat liian korkeita biologiselle järjestelmälle. Dynaamisen simuloinnin avulla nämä ongelmat voidaan välttää. Mutta ABP puolestaan käyttää paljon vähemmän laskentaresursseja.

Ohjelmisto

COBRA työkalupakki
Valitse Flux
FASIMU
SurreyFBA
WEbcoli
tammenterho
FAME
GEMSiRV
MetaFluxNet
FBA-SimVis
Valitse Flux
Insilico Discovery

Muistiinpanot

↑ Orth, JD; Thiele, I.; Palsson, B.Ø. Mikä on vuotasapainoanalyysi? (englanniksi) // Nature Biotechnology : Journal. - Nature Publishing Group , 2010. - Vol. 28 . - s. 245-248 . - doi : 10.1038/nbt.1614 . — PMID 20212490 .
↑ Barabási A.-L., Almaas E.; Oltvai ZN, Kovacs B.; Vicsek T. Escherichia coli -bakteerin metabolisten virtojen maailmanlaajuinen organisaatio (englanniksi) // Nature : Journal. - 2004. - Voi. 427 . - s. 839-843 . - doi : 10.1038/luonto02289 .
↑ Mahadevan R.; Schilling CH Vaihtoehtoisten optimaalisten ratkaisujen vaikutukset rajoitteisiin perustuvissa genomimittakaavan metabolisissa malleissa (englanniksi) // Metabolic Engineering : Journal. - 2003. - Voi. 5 , ei. 4 . - s. 264-276 . - doi : 10.1016/j.ymben.2003.09.002 .
↑ Ibarra, Rafael U.; Edwards, Jeremy S.; Palsson, Bernhard O. Escherichia Coli K-12 kokee mukautuvan evoluution saavuttaakseen Silicon ennustetun optimaalisen kasvun // Nature : Journal. - 2002. - Voi. 420 , no. 6912 . - s. 186-189 . - doi : 10.1038/luonto01149 .
↑ Segre, Daniel; Vitkup, Dennis; Church, George M. Analysis of Optimality in Natural and Perturbed Metabolic Networks // Proceedings of the National Academy of Sciences of the United of America : Journal . - 2002. - Voi. 99 , ei. 23 . - P. 15112-15117 . - doi : 10.1073/pnas.232349399 . — PMID 12415116 .
↑ Ruppin E., Shlomi; Berkman O., Tomer. Säädösten päälle / pois päältä aineenvaihduntavuon muutosten minimointi geneettisten häiriöiden jälkeen // Proceedings of the National Academy of Sciences of the United of America : Journal. - 2005. - Voi. 102 , no. 21 . - P. 7695-7700 . - doi : 10.1073/pnas.0406346102 .
↑ Syed Asad Rahman, Dietmar Schomburg. Aineenvaihduntareittien paikallisten ja globaalien ominaisuuksien havainnointi: "kuormituspisteet" ja "kuristuspisteet" aineenvaihduntaverkostoissa // Bioinformatiikka. - 15.7.2006. - T. 22 , no. 14 . - S. 1767-1774 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/btl181 . Arkistoitu alkuperäisestä 15. huhtikuuta 2017.
↑ Kansuporn Sriyudthsak, Fumihide Shiraishi, Masami Yokota Hirai. Metabolisten reaktiojärjestelmien matemaattinen mallintaminen ja dynaaminen simulointi aineenvaihdunnan aikasarjadataa käyttämällä // Frontiers in Molecular Biosciences. – 1.1.2016. — Voi. 3 . — ISSN 2296-889X . - doi : 10.3389/fmolb.2016.00015 .

Linkit

Sanakirjat ja tietosanakirjat	iso kiinalainen